我在兩年前轉向人工智慧工程！ 這是我做過的最佳職業決策。 如果你想今天就開始，這裡有一個路線圖：

1️⃣ 精通 Python 雖然許多人忙於隨意編碼，但擁有堅實編程基礎的人總是會脫穎而出。 Python 是 AI 社群所使用的語言，而哈佛的 CS50p 是學習它的最佳場所。 🔗

2️⃣ 使用 Python 的 AI 一旦你掌握了基礎知識，就該了解 Python 在 AI 中的應用。 這門由 Andrew Ng 開設的 4 小時課程是個很好的起點。 🔗

3️⃣ 理解 LLMs 這三個由 @3Blue1Brown 製作的影片可以說是 LLMs 及其內部運作的最佳視覺解說。 1. LLMs 的運作原理 2. Transformers 深入探討 3. Transformers 中的注意力 4. LLMs 如何儲存事實 🔗

4️⃣ LLM 研究 現在你已經了解什麼是 LLM，該是時候學習如何自己構建它們了。 這是世界上最偉大的老師所帶來的最偉大的系列。 由 Andrej Karpathy 主講的神經網絡從零到英雄 🔗

5️⃣ AI 代理人 在跳入 AI 代理人的熱潮之前，每個人都應該閱讀 Anthropic AI 關於建立有效代理人的指南。 "要建立一個代理人，你不需要複雜的框架或庫，而是需要可組合的模式" 🔗

6️⃣ 應用人工智慧 我不建議追逐框架，但我在開始時上了這門 CrewAI 的課程。 這門課程清晰、實用，教你將代理視為像人類一樣協同工作的。 此外，創始人 @joaomdmoura 是一位出色的老師。 🔗

7️⃣ AI 協議 (MCP) 現在你已經了解什麼是代理，該是時候將它們連接到外部工具、API 和數據庫了。 我的共同創辦人和我發佈了這本關於 MCP 的實用指南，包含 10 多個項目。 這是免費的，已經下載超過 40,000 次。 🔗

7️⃣ 基於項目的學習 這個 GitHub 倉庫包含 75 個以上的 AI 工程項目。 所有內容都是 100% 開源，涵蓋 • LLMs 和 RAGs • 實際的 AI 代理應用 • 可在您的項目中實施、調整和擴展的示例 🔗

7️⃣ 書籍 每位建立實際應用的 AI 工程師都應該閱讀這本書。 @chipro 是一位出色的老師，她的書是 AI 工程領域中最好的書籍之一。 所以，你不必閱讀 10 本書，這一本就能完成任務！ 🔗

總結來說，這是我們所涵蓋的內容： - 程式設計（Python） - LLM 基礎 - 建立 LLM/ LLM 研究 - AI 代理和應用 AI - AI 協議 - AI 工程專案 - 書籍 永遠不要追逐框架——它們來來去去。掌握基礎知識。

如果您覺得它很有見地，請與您的網路重新分享。 找到我 → @akshay_pachaar ✔️ 有關 LLM、AI 代理和機器學習的更多見解和教程！